从四@@方面推进我国工业大数据应用@@@@

 

 

　　(一@@)重塑企业制造与业务流程@@，实现并行@@、实时@@、透明的生产与管理@@

 

　　与其它行业大数据应用@@不同@@，工业大数据应用@@的最大价值@@，就在于对企业生产制造和业务管理流程的智能优化@@。在生产制造方面@@，由于工业生产部门的分工细化程度和复杂程度逐渐增强@@，它复杂的系统在生产过程中产生了大量机理不清的动态@@、半结构化和结构化数据@@，传统企业难以及时@@、快速地提取和处理@@，而工业大数据具有体量大@@、价值提取度高等特点@@，能够整合全部生产线数据@@，对生产动态模型建设@@、多目标控制流程进行优化@@，并可对物料品质@@、能耗@@、设备异常和零件生命周期进程进行监控预警@@，赋予设备和系统@@“自我意识@@”，进而实现低成本@@、高效率的并行生产@@。在业务流程管理方面@@，工业大数据将企业业务执行与数据高度融合@@，可打通分公司@@、分部门的数据隔离状态@@，让数据驱动实时@@决策和高效运营@@，实现企业柔性化@@、透明化管理@@。

 

　　(二@@)助力产品@@@@、服务和商业模式@@创新@@@@，实现供应链持续优化和敏捷响应@@@@

 

　　在产品@@应用层面@@，工业企业通过生产携带传感器等装的智能产品@@@@，实时@@采集@@、存储和传输大量用户使用和偏好的数据@@，让用户参与到产品@@的改进与创新@@之中@@，以帮助企业及时改进产品@@功能@@，预先诊断产品@@故障@@，并根据市场需求变化@@，在第一@@时间创新@@产品@@和改善服务@@。同时@@，还可在此基础上构建全新的商业模式@@@@，通过规模化定制@@，满足用户的个性化需求@@，为企业创造全新价值@@。在原材料供应层面@@，企业通过对工业大数据分析@@@@，能够对实时@@采集@@的订单@@、库存@@、物流与资金流等数据进行同步整合@@，持续优化并改进上游原材料供应链@@，帮助企业实现产业@@链协同@@、敏捷响应@@。

 

　　(三@@)有利于行业跨界融合@@，促进形成开放共赢的@@“互联网@@+”生态圈@@

 

　　工业大数据不仅对工业企业生产经营具有持续改善作用@@，对工业企业上下游与行业内外同样有正向聚合效应@@。比如@@，“互联网@@+汽车@@@@”就是基于汽车@@@@生产企业的工业大数据@@，综合人@@、车@@、路@@、环境@@、社会之间关系@@，实现了行业间的跨界融合与互动@@。汽车@@@@生产企业收集到车@@辆的安全数据@@、路@@况数据@@、驾驶数据@@，并将这些数据开放后@@，保险公司就可据此推出多样化和更有针对性的险种@@，车@@辆维修企业据此能够更加及时地响应救援@@，汽车@@@@零配件厂家则可提供更加个性化@@、人性化的汽车@@@@配件产品@@@@，交通部门可以据此预测节假日或高峰期交通状况@@，甚至结合地理信息数据和环境@@数据@@，提供更精准的天气预测等@@，最终实现交通领域不同行业@@部门之间的@@“互联网@@+汽车@@@@”大生态@@。

 

 

　　(一@@)挖掘工业大数据价值的核心技术体系尚未建立@@

 

　　工业大数据的挖掘需要一@@整套技术体系作支撑@@，任何一@@环的缺失都将降低工业大数据的应用@@价值@@。面对不同的生产对象@@，基于数据的汇总@@、分析@@、预测和决策等@@，都对应着不同的数据处理机理@@、模型和方法@@。特别是信息物理系统@@(CPS)的应用@@，将搭载一@@套多维度的智能技术体系@@，提升整个数据处理流程的智能化水平@@，实现虚拟和现实生产空间@@的映射与融合@@。当前@@，我国还处于促进制造业智能化升级的探索阶段@@，对大多数企业而言@@，能够自我感知@@、自我记忆的数据采集感应系统尚未建立@@，处理复杂数据结构的数据处理技术仍需优化@@，高效的数据库维护和管理机制还需完善@@。因此@@，我国需进一@@步规划和探索建立挖掘工业大数据价值的核心智能技术体系@@，以支撑智能制造@@环境@@下对工业生产与管理的高效决策@@。

 

　　(二@@)行业企业内外部数据整合应用不足@@

 

　　目前@@，我国大数据整体应用仍处于初级阶段@@，条数据采集应用较为广泛@@，块数据应用较为缺乏@@，行业内部数据和外部数据整合应用不足@@，跨行业的互动聚合效应尚未显现@@，对于工业大数据亦如此@@。《中国大数据发展报告@@》显示@@，当前@@60%以上的企业把内部业务平台@@数据@@、客户数据和管理平台@@数据作为大数据应用@@的主要来源@@@@，只有约@@1/3的企业使用外部互联网@@数据或其它行业企业数据@@，还没有形成企业内外融合互动的数据采集与处理模式@@@@，外部数据应用水平有待进一@@步提高@@。

 

　　(三@@)企业各部门之间数据集成应用难度较大@@

 

　　调研结果表明@@，部分工业企业各部门之间信息孤立情况比较严重@@，基本数据都由系统采集和统计@@，但不同的生产数据由不同部门的工作人员填报@@，加之每一@@个部门的关注@@点不同@@，部门之间数据尚未打通和整合@@，致使数据利用率极低@@。对工业企业大数据应用@@来说@@，内部数据的集成应用是实现生产@@、业务协同的首要环节@@，而目前@@我国众多企业内部信息的不互通@@，无疑为工业大数据的应用@@增加了一@@道门槛@@，也降低了企业优化转型的速度@@。

 

　　(四@@)工业大数据加工服务业实力较为薄弱@@

 

　　基于客户需求@@、生产环境@@的不同@@，不同行业@@、不同企业对数据的采集@@、处理过程和挖掘方向也各不相同@@，因此@@，工业大数据的应用@@与早期@@ERP等软件在企业中的应用@@类似@@，必须针对每家企业进行独立的设计@@、改造@@。这就对工业大数据加工服务业提出了更高要求@@——需兼备工业行业专业知识与大数据处理能力@@。目前@@，我国工业大数据的开发应用大多由工业企业自主探索@@，比如@@，尚品宅配@@、海尔@@、红领制衣等企业@@，专业数据加工服务企业的作用尚未显现@@。同时@@，不少数据加工服务企业的前向预测能力还有待加强@@，目前@@大多数只是将数据用于后向披露与原因分析@@@@。

 

 

　　(一@@)加强政策引导@@，提高工业大数据应用@@技术与水平@@

 

　　一@@是加强工业大数据顶层设计@@，尽快组织出台@@《关于促进工业大数据应用@@的指导意见@@》，壮大大数据产业@@发展规模@@，明确大数据应用@@需求迫切的技术@@、标准@@、产业@@，制定发展路@@线@@，提高大数据行业的服务水平和工业大数据应用@@水平@@。二@@是深入推进两化融合@@，引导企业加快内部数据整合与集成@@，夯实工业企业大数据应用@@基础@@。三@@是建议设立工业大数据统筹发展部门@@，引导建设国家级工业大数据联盟@@，负责指导和研究相关数据标准@@@@，提供工业企业大数据应用@@技术咨询@@培训@@、信息安全咨询@@等公共服务@@。

 

　　(二@@)加大财税金融@@、投融资政策扶持力度@@，推动工业大数据服务发展@@

 

　　一@@是设立国家工业大数据发展专项基金@@，充分发挥专项基金的政策放大作用@@引导社会资本积极参与工业大数据应用@@@@。要创新@@项目投资机制@@，引入政府@@和社会资本合作@@(PPP)模式@@，通过投资补助@@、基金注资@@、担保补贴@@、贷款贴息等多种方式@@，增强吸引社会资本的能力@@。二@@是完善企业研发费用计核方法@@，将工业企业大数据应用@@研究费用加计扣除优惠政策范围@@。三@@是加强对小微工业企业的财政税收政策支持@@，减轻小微工业企业进行大数据应用@@的负担@@。

 

　　(三@@)建立全方位的技术应用推广机制@@，扩大工业大数据应用@@范畴@@

 

　　一@@是针对工业企业实施一@@批具有特色的大数据应用@@试点示范项目@@，探索大数据产业@@的新模式@@@@、新业态@@。二@@是定期举办工业大数据应用@@优秀项目成果展@@，扩大工业大数据应用@@成果在全社会的影响力@@。三@@是加强工业大数据应用@@的国内外交流合作@@，组织相关机构和人员到国内外进行学习与交流@@。

 

　　(四@@)重视复合型@@人才的引进培养@@，构建有利于工业大数据发展的人才激励机制@@

 

　　一@@是全面改革人才引进机制@@，破除不利于人才发展@@、束缚人才成长的体制机制障碍@@，营造有利于工业大数据人才培养和发展的职业环境@@@@，构建领军型@@、科研型@@、复合型@@、实用型等多层次@@组合的工业大数据人才结构@@。二@@是完善人才激励机制@@，注重对大数据人才的就业创业引导@@，制定更加开放@@、有效的人才激励政策@@，建立适用的人才奖励基金@@，激发创业@@、创新@@、创造活力@@。三@@是加快大数据人才职业化进程@@，建立大数据分析@@师等职业资格考试和认证制度@@@@，在国有大中型工业企业率先推行首席数据官@@@@(CDO)制度@@。